[发明专利]基于局部信息融合的铅酸电池健康状态预测方法有效

专利信息
申请号: 201711252691.4 申请日: 2017-12-01
公开(公告)号: CN108009585B 公开(公告)日: 2020-09-04
发明(设计)人: 孟祥鹿;江颖洁;王昊;田安琪;徐彬泰;翟旭;马超;孙勇健;曹立斌;刘晓晨;田保鹏;张杰;张志明 申请(专利权)人: 国网山东省电力公司信息通信公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 南京理工大学专利中心 32203 代理人: 王玮
地址: 250001 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于局部信息融合的铅酸电池健康状态预测方法,包括:步骤1、在铅酸电池的放电过程中,以放电循环为单位构成训练样本集;将每次放电循环作为一个样本,并提取相应的时间序列作为特征;步骤2、将原始的训练集按照时间序列划分为若干个样本数目相等子训练集;步骤3、在每个子训练集上训练支持向量回归(SVR)模型,多个SVR组成一个SVR的集合;步骤4、利用集成学习算法将多个训练的SVR模型融合,得到集成的SVR模型;步骤5、给定待查询铅酸电池的一次放电循环,利用集成的SVR模型预测铅酸电池本次放电循环后的健康状态(SOH)。本发明方法预测精度高,泛化能力强。
搜索关键词: 基于 局部 信息 融合 电池 健康 状态 预测 方法
【主权项】:
1.一种基于局部信息融合的铅酸电池健康状态预测方法,其特征在于包括以下步骤:步骤1、在铅酸电池的放电过程中,以放电循环为单位构成训练样本集;将每次放电循环作为一个样本,并提取相应的时间序列作为特征;步骤2、将原始的训练集按照时间序列划分为若干个样本数目相等子训练集;步骤3、在每个子训练集上训练支持向量回归SVR模型,多个SVR组成一个SVR的集合;步骤4、利用集成学习算法将多个训练的SVR模型融合,得到集成的SVR模型;步骤5、给定待查询铅酸电池的一次放电循环,利用集成的SVR模型预测铅酸电池本次放电循环后的健康状态SOH。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网山东省电力公司信息通信公司,未经国网山东省电力公司信息通信公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201711252691.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top